典型文献
基于支持向量回归的叶片挤压出料温度预测研究
文献摘要：
目的 针对传统叶片精锻过程中存在的质量波动较大的问题,提出一种预测传统叶片精锻质量的方法.方法 以GH4169转子叶片精锻的挤压工序为研究对象,以叶片精锻挤压过程中的160组模拟结果为数据集(以其中的120组数据为训练集、其余40组数据为测试集),对截面点的出料温度进行预测.首先利用特定的数据预处理手段及特征工程提升模型的预测精度及泛化能力,建立SVR预测模型,然后基于网格搜索算法和粒子群优化算法(GS–PSO)对预测模型中参数C和γ进行调节,得到优化后的模型,最后将测试数据集带入优化后的模型中,将预测值与真实值进行对比.结果 单一的SVR模型预测效果不佳,利用GS–PSO算法优化后,模型自适应度由0.0078左右降到0.0052左右,模型收敛快且优化效果显著.30颗粒子迭代50次的最终优化结果为:C=425.4328,γ=1.8832,模型优化后的预测值与实际值之间拟合度较好,每组数据的预测误差都远小于10％.结论 经GS–PSO优化的出料温度SVR预测模型在测试集中有较好的预测效果,满足行业数据预测要求的一般标准,对传统叶片精锻过程指标预测具有较好的参考意义.
文献关键词：
叶片精锻;挤压;数据挖掘;质量预测
中图分类号：
作者姓名：
戴南;余心宏;郭佳鑫;余齐严
作者机构：
西北工业大学 材料学院,西安 710072;西安翔迅科技有限责任公司,西安 710068
文献出处：
引用格式：
[1]戴南;余心宏;郭佳鑫;余齐严-.基于支持向量回归的叶片挤压出料温度预测研究)[J].精密成形工程,2022(08):13-19
A类：
叶片精锻
B类：
支持向量回归,压出,出料,料温,温度预测,预测研究,GH4169,转子叶片,挤压过程,训练集,测试集,面点,数据预处理,处理手段,特征工程,泛化能力,SVR,网格搜索算法,粒子群优化算法,GS,PSO,测试数据,带入,真实值,算法优化,模型自适应,适应度,优化效果,模型优化,拟合度,预测误差,行业数据,数据预测,过程指标,指标预测,质量预测
AB值：
0.334304
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
